Slabě řízené zpětné učení
Slabě řízené zpětné učení (WSRL) trénuje agenty v prostředích, kde je signál odměny nedokonalý, řídký, opožděný nebo pouze částečně informativní – na rozdíl od hustého plně řízeného RL. Agent musí navzdory neúplné zpětné vazbě naučit efektivní politiky, přičemž k vyrovnání slabého řízení využívá pomocné signály, modelování odměn nebo učení preferencí.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- Sutton, R. S. & Barto, A. G. (2018). Reinforcement Learning: An Introduction (2nd ed.). MIT Press. ISBN: 978-0-262-03924-6
- Christiano, P., Leike, J., Brown, T. B., Martic, M., Legg, S. & Amodei, D. (2017). Deep reinforcement learning from human preferences. Advances in Neural Information Processing Systems (NeurIPS), 30. link ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Weakly Supervised Reinforcement Learning. ScholarGate. https://scholargate.app/cs/deep-learning/weakly-supervised-reinforcement-learning
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Zpětnovazební učeníHluboké učení↔ compare
- Samoučící se zpatňovací učeníHluboké učení↔ compare
- Semi-supervised Reinforcement LearningHluboké učení↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →